使用Keras构建DenseNet进行图像分类,准确率99.97%

Batch大小为16,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为99.97。

得分记录
2020-02-16

Batch Size 数据为 16 ,Epoch循环次数为 66 次, 通过在线上环境完成训练,模型最优精度评分为 99.94 。

10:51:49

Batch Size 数据为 16 ,Epoch循环次数为 66 次, 通过在线上环境完成训练,模型最优精度评分为 99.97 。

15:55:14
2020-02-11

Batch Size 数据为 16 ,Epoch循环次数为 66 次, 通过在线上环境完成训练,模型最优精度评分为 99.97 。

08:16:37

Batch Size 数据为 16 ,Epoch循环次数为 66 次, 通过在线上环境完成训练,模型最优精度评分为 29.64 。

23:24:06
2020-02-03

Batch Size 数据为 16 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 99.97 。

09:10:22
2020-02-02

Batch Size 数据为 32 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 77.74 。

07:34:49

Batch Size 数据为 64 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 55.88 。

07:18:54

Batch Size 数据为 1024 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 14.57 。

23:26:16